Une P-value (P-value) est utilisée dans les tests d'hypothèse pour nous aider à soutenir ou rejeter l'hypothèse nulle. La P-value est la preuve contre une hypothèse nulle. Plus la P-value est petite, plus il y a la preuve que vous devez rejeter l'hypothèse nulle est forte.
Les valeurs P sont exprimées sous forme de décimales, bien qu'il puisse être plus facile de comprendre ce qu'elles sont si vous les convertissez en pourcentage. Par exemple, une P-value de 0,0254 est 2,54%. Cela signifie qu'il y a 2,54% de chances que vos résultats soient aléatoires (c'est-à-dire qu'ils sont arrivés par hasard). C’est assez minuscule. D'un autre côté, une P-value élevée de 0,9 (90%) signifie que vos résultats ont une probabilité de 90% d'être complètement aléatoires et non dus à quoi que ce soit dans votre expérience. Par conséquent, plus la P-value est petite, plus vos résultats sont importants («significatifs»).
Lorsque vous exécutez un test d'hypothèse, vous comparez la P-value de votre test au niveau alpha que vous avez sélectionné lors de l'exécution du test. Les niveaux alpha peuvent également être écrits sous forme de pourcentages.
Graphiquement, la P-value est la zone située à la queue d'une distribution de probabilité. Il est calculé lorsque vous exécutez le test d’hypothèse et correspond à la zone située à droite du test statistique (si vous exécutez un test bilatéral, il s’agit de la zone à gauche et à droite).
P-value vs niveau Alpha
Les niveaux alpha sont contrôlés par le chercheur et sont liés aux niveaux de confiance. Vous obtenez un niveau alpha en soustrayant votre niveau de confiance de 100%. Par exemple, si vous voulez être confiant à 98% dans votre recherche, le niveau alpha serait de 2% (100% - 98%). Lorsque vous exécutez le test d'hypothèse, le test vous donnera une P-value. Comparez cette valeur au niveau alpha choisi. Par exemple, supposons que vous ayez choisi un niveau alpha de 5% (0,05). Si les résultats du test vous donnent:
· Un petit p (≤ 0,05), rejettez l'hypothèse nulle. C'est une preuve solide que l'hypothèse nulle n'est pas valide.
· Un grand p (> 0,05) signifie que l'hypothèse alternative est faible, vous ne rejetez donc pas la valeur nulle.
P-value et valeurs critiques
La P-value n'est qu'une information que vous pouvez utiliser pour décider si votre hypothèse nulle est vraie ou non. Vous pouvez utiliser d'autres valeurs données par votre test pour vous aider à prendre une décision. Par exemple, si vous exécutez un échantillon de test f pour les variances dans Excel, vous obtiendrez une P-value, une valeur critique f et une valeur f.
|
F |
1.610145 |
|
P-value |
0.244531 |
|
F critique |
3.178893 |
On peut comparer les valeurs de F et de F critique pour accepter ou rejeter Ho
Dans l'image ci-dessus, les résultats du test f montrent une valeur p élevée (0,244531 ou 24,4531%), vous ne rejetterez donc pas Ho. Cependant, il existe également une autre façon de décider: comparer votre valeur f avec votre valeur critique f. Si la valeur critique f est inférieure à la valeur f, vous devez rejeter l'hypothèse nulle. Dans ce test particulier, la valeur p et les valeurs critiques f sont toutes deux très grandes, vous n'avez donc pas suffisamment de preuves pour rejeter la valeur nulle.
Et si je n'ai pas de niveau alpha?
Dans un monde idéal, vous aurez un niveau alpha. Mais si vous ne le faites pas, vous pouvez toujours utiliser les directives approximatives suivantes pour décider de soutenir ou de rejeter l'hypothèse nulle:
· Si p> .10 → «non significatif»
· Si p ≤ .10 → «marginalement significatif»
· Si p ≤ 0,05 → «significatif»
· Si p ≤ 0,01 → «hautement significatif».